人工智能基礎(chǔ)，人工智能需要什么基礎(chǔ)

來源：整理時(shí)間：2023-05-17 00:42:54 編輯：智能門戶手機(jī)版

本文目錄一覽

1，人工智能需要什么基礎(chǔ)
2，人工智能需要什么基礎(chǔ)
3，人工智能需要什么基礎(chǔ)

1，人工智能需要什么基礎(chǔ)

需要數(shù)學(xué)基礎(chǔ)：高等數(shù)學(xué)，線性代數(shù)，概率論數(shù)理統(tǒng)計(jì)和隨機(jī)過程，離散數(shù)學(xué)，數(shù)值分析。數(shù)學(xué)基礎(chǔ)知識(shí)蘊(yùn)含著處理智能問題的基本思想與方法，也是理解復(fù)雜算法的必備要素。今天的種種人工智能技術(shù)歸根到底都建立在數(shù)學(xué)模型之上，要了解人工智能，首先要掌握必備的數(shù)學(xué)基礎(chǔ)知識(shí)。線性代數(shù)將研究對(duì)象形式化，概率論描述統(tǒng)計(jì)規(guī)律。需要算法的積累：人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，遺傳算法等等算法；當(dāng)然還有各個(gè)領(lǐng)域需要的算法，比如要讓機(jī)器人自己在位置環(huán)境導(dǎo)航和建圖就需要研究SLAM；總之算法很多需要時(shí)間的積累。需要掌握至少一門編程語(yǔ)言，比如C語(yǔ)言，MATLAB之類。畢竟算法的實(shí)現(xiàn)還是要編程的；如果深入到硬件的話，一些電類基礎(chǔ)課必不可少。

人工智能需要什么基礎(chǔ)

2，人工智能需要什么基礎(chǔ)

人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭(zhēng)議性也不大。有時(shí)我們會(huì)要考慮什么是人力所能及制造的，或著人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。關(guān)于什么是“智能”，就問題多多了。這涉及到其它諸如意識(shí)(consciousness)、自我(self)、思維(mind)(包括無(wú)意識(shí)的思維(unconscious_mind)等等問題。人唯一了解的智能是人本身的智能，這是普遍認(rèn)同的觀點(diǎn)。但是我們對(duì)我們自身智能的理解都非常有限，對(duì)構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對(duì)人的智能本身的研究。其它關(guān)于動(dòng)物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。人工智能目前在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用--機(jī)器視覺:指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng)等。人工智能(Artificial Intelligence)是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門學(xué)科。其主要任務(wù)是建立智能信息處理理論，進(jìn)而設(shè)計(jì)可以展現(xiàn)某些近似于人類智能行為的計(jì)算系統(tǒng)。AI作為計(jì)算機(jī)科學(xué)的一個(gè)重要分支和計(jì)算機(jī)應(yīng)用的一個(gè)廣闊的新領(lǐng)域，它同原子能技術(shù)，空間技術(shù)一起被稱為20世紀(jì)三大尖端科技。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語(yǔ)言理解、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。知識(shí)表示是人工智能的基本問題之一，推理和搜索都與表示方法密切相關(guān)。常用的知識(shí)表示方法有：邏輯表示法、產(chǎn)生式表示法、語(yǔ)義網(wǎng)絡(luò)表示法和框架表示法等。常識(shí)，自然為人們所關(guān)注，已提出多種方法，如非單調(diào)推理、定性推理就是從不同角度來表達(dá)常識(shí)和處理常識(shí)的。問題求解中的自動(dòng)推理是知識(shí)的使用過程，由于有多種知識(shí)表示方法，相應(yīng)地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎(chǔ)。結(jié)構(gòu)化表示下的繼承性能推理是非演繹性的。由于知識(shí)處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機(jī)制推理、類比推理、基于示例的推理、反繹推理和受限推理等。搜索是人工智能的一種問題求解方法，搜索策略決定著問題求解的一個(gè)推理步驟中知識(shí)被使用的優(yōu)先關(guān)系?？煞譃闊o(wú)信息導(dǎo)引的盲目搜索和利用經(jīng)驗(yàn)知識(shí)導(dǎo)引的啟發(fā)式搜索。啟發(fā)式知識(shí)常由啟發(fā)式函數(shù)來表示，啟發(fā)式知識(shí)利用得越充分，求解問題的搜索空間就越小。典型的啟發(fā)式搜索方法有A*、AO*算法等。近幾年搜索方法研究開始注意那些具有百萬(wàn)節(jié)點(diǎn)的超大規(guī)模的搜索問題。機(jī)器學(xué)習(xí)是人工智能的另一重要課題。機(jī)器學(xué)習(xí)是指在一定的知識(shí)表示意義下獲取新知識(shí)的過程，按照學(xué)習(xí)機(jī)制的不同，主要有歸納學(xué)習(xí)、分析學(xué)習(xí)、連接機(jī)制學(xué)習(xí)和遺傳學(xué)習(xí)等。知識(shí)處理系統(tǒng)主要由知識(shí)庫(kù)和推理機(jī)組成。知識(shí)庫(kù)存儲(chǔ)系統(tǒng)所需要的知識(shí)，當(dāng)知識(shí)量較大而又有多種表示方法時(shí)，知識(shí)的合理組織與管理是重要的。推理機(jī)在問題求解時(shí)，規(guī)定使用知識(shí)的基本方法和策略，推理過程中為記錄結(jié)果或通信需設(shè)數(shù)據(jù)庫(kù)或采用黑板機(jī)制。如果在知識(shí)庫(kù)中存儲(chǔ)的是某一領(lǐng)域(如醫(yī)療診斷)的專家知識(shí)，則這樣的知識(shí)系統(tǒng)稱為專家系統(tǒng)。為適應(yīng)復(fù)雜問題的求解需要，單一的專家系統(tǒng)向多主體的分布式人工智能系統(tǒng)發(fā)展，這時(shí)知識(shí)共享、主體間的協(xié)作、矛盾的出現(xiàn)和處理將是研究的關(guān)鍵問題。需要數(shù)學(xué)基礎(chǔ)：高等數(shù)學(xué)，線性代數(shù)，概率論數(shù)理統(tǒng)計(jì)和隨機(jī)過程，離散數(shù)學(xué)，數(shù)值分析。需要算法的積累：人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，遺傳算法等等算法;當(dāng)然還有各個(gè)領(lǐng)域需要的算法，比如要讓機(jī)器人自己在位置環(huán)境導(dǎo)航和建圖就需要研究SLAM;總之算法很多需要時(shí)間的積累。需要掌握至少一門編程語(yǔ)言：畢竟算法的實(shí)現(xiàn)還是要編程的;如果深入到硬件的話，一些電類基礎(chǔ)課必不可少。

人工智能需要什么基礎(chǔ)

3，人工智能需要什么基礎(chǔ)

人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭(zhēng)議性也不大。有時(shí)我們會(huì)要考慮什么是人力所能及制造的，或著人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。關(guān)于什么是“智能”，就問題多多了。這涉及到其它諸如意識(shí)(consciousness)、自我(self)、思維(mind)(包括無(wú)意識(shí)的思維(unconscious_mind)等等問題。人唯一了解的智能是人本身的智能，這是普遍認(rèn)同的觀點(diǎn)。但是我們對(duì)我們自身智能的理解都非常有限，對(duì)構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對(duì)人的智能本身的研究。其它關(guān)于動(dòng)物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。人工智能目前在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用--機(jī)器視覺:指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng)等。人工智能(Artificial Intelligence)是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門學(xué)科。其主要任務(wù)是建立智能信息處理理論，進(jìn)而設(shè)計(jì)可以展現(xiàn)某些近似于人類智能行為的計(jì)算系統(tǒng)。AI作為計(jì)算機(jī)科學(xué)的一個(gè)重要分支和計(jì)算機(jī)應(yīng)用的一個(gè)廣闊的新領(lǐng)域，它同原子能技術(shù)，空間技術(shù)一起被稱為20世紀(jì)三大尖端科技。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語(yǔ)言理解、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。知識(shí)表示是人工智能的基本問題之一，推理和搜索都與表示方法密切相關(guān)。常用的知識(shí)表示方法有：邏輯表示法、產(chǎn)生式表示法、語(yǔ)義網(wǎng)絡(luò)表示法和框架表示法等。常識(shí)，自然為人們所關(guān)注，已提出多種方法，如非單調(diào)推理、定性推理就是從不同角度來表達(dá)常識(shí)和處理常識(shí)的。問題求解中的自動(dòng)推理是知識(shí)的使用過程，由于有多種知識(shí)表示方法，相應(yīng)地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎(chǔ)。結(jié)構(gòu)化表示下的繼承性能推理是非演繹性的。由于知識(shí)處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機(jī)制推理、類比推理、基于示例的推理、反繹推理和受限推理等。搜索是人工智能的一種問題求解方法，搜索策略決定著問題求解的一個(gè)推理步驟中知識(shí)被使用的優(yōu)先關(guān)系?？煞譃闊o(wú)信息導(dǎo)引的盲目搜索和利用經(jīng)驗(yàn)知識(shí)導(dǎo)引的啟發(fā)式搜索。啟發(fā)式知識(shí)常由啟發(fā)式函數(shù)來表示，啟發(fā)式知識(shí)利用得越充分，求解問題的搜索空間就越小。典型的啟發(fā)式搜索方法有A*、AO*算法等。近幾年搜索方法研究開始注意那些具有百萬(wàn)節(jié)點(diǎn)的超大規(guī)模的搜索問題。機(jī)器學(xué)習(xí)是人工智能的另一重要課題。機(jī)器學(xué)習(xí)是指在一定的知識(shí)表示意義下獲取新知識(shí)的過程，按照學(xué)習(xí)機(jī)制的不同，主要有歸納學(xué)習(xí)、分析學(xué)習(xí)、連接機(jī)制學(xué)習(xí)和遺傳學(xué)習(xí)等。知識(shí)處理系統(tǒng)主要由知識(shí)庫(kù)和推理機(jī)組成。知識(shí)庫(kù)存儲(chǔ)系統(tǒng)所需要的知識(shí)，當(dāng)知識(shí)量較大而又有多種表示方法時(shí)，知識(shí)的合理組織與管理是重要的。推理機(jī)在問題求解時(shí)，規(guī)定使用知識(shí)的基本方法和策略，推理過程中為記錄結(jié)果或通信需設(shè)數(shù)據(jù)庫(kù)或采用黑板機(jī)制。如果在知識(shí)庫(kù)中存儲(chǔ)的是某一領(lǐng)域(如醫(yī)療診斷)的專家知識(shí)，則這樣的知識(shí)系統(tǒng)稱為專家系統(tǒng)。為適應(yīng)復(fù)雜問題的求解需要，單一的專家系統(tǒng)向多主體的分布式人工智能系統(tǒng)發(fā)展，這時(shí)知識(shí)共享、主體間的協(xié)作、矛盾的出現(xiàn)和處理將是研究的關(guān)鍵問題。需要數(shù)學(xué)基礎(chǔ)：高等數(shù)學(xué)，線性代數(shù)，概率論數(shù)理統(tǒng)計(jì)和隨機(jī)過程，離散數(shù)學(xué)，數(shù)值分析。需要算法的積累：人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，遺傳算法等等算法;當(dāng)然還有各個(gè)領(lǐng)域需要的算法，比如要讓機(jī)器人自己在位置環(huán)境導(dǎo)航和建圖就需要研究SLAM;總之算法很多需要時(shí)間的積累。需要掌握至少一門編程語(yǔ)言，畢竟算法的實(shí)現(xiàn)還是要編程的;如果深入到硬件的話，一些電類基礎(chǔ)課必不可少。

人工智能需要什么基礎(chǔ)